技术能力

网站开发：
前端：
HTML5、CSS、JavaScript、TypeScript 、 React.Js、 Angular.Js、 Vue.Js、 Next.Js、 Nuxt.Js、Bootstrap、Tailwind CSS
后端：
Node.Js 、C#/C++ 、Python(Django/Flask)、Java（SpringBoot）、GoLang、PHP（Laravel）、ASP.NET、Next.js、Node.JS、
Express.js、Redux、REST API、GraphQL、Redux、NgRx、Rx.JS、REST API、GraphQL、Apollo、NestJS、Java SpringBoot

数据库：MySQL、 Kafka、RabbitMQ、 PostgreSQL、MongoDB 、DynamoDB、Redis

云服务：GCP 、 AWS
运维：Docker、Kubernetes、Jenkins、 Redux DevTools、Babel、Webpack、Git、Linux

测试：Jest、Cypress、Selenium

版本控制：Git 、 GitHub、GitLab、BitBucket

人工智能/机器学习

图像分类(Resnet, VGG16, Mobilenet, EfficientNet, XCeption)

对象检测/跟踪(OpenCV, YOLO, Faster R-CNN, Mask R-CNN, SSD)

图像生成(CycleGAN, StyleGAN, Pix2Pix, DALL-E, SimSwap, DeepFake)

聊天机器人/对话代理(LangChain, OpenAI, Hugging Face)

机器学习(KNN, SVM, Random forest, Decision Trees, GBM)

手机开发：React Native、Android Studio、Objective-C、Swift、 Kotlin,、Flutter

区块链： 智能合约、NFT、ERC20、ERC 721、ERC1151、Ganache、 Solidity、Rust

项目经验

聊天机器人开发工程师
MediBuddy
2022年3月-2024年1月
关键技术: NLP, NLTK, Transform, BERT, spaCy, Scikit-learn, Tensorflow(Keras), Django, React, HTML/CSS
项目概述：智能聊天机器人，旨在提升 DoctorOnCall 平台上患者与系统的互动效率帮助用户进行预约安排、回答常见医疗问题，并为用户提供平台上可用服务的详细指导。通过智能化的交互流程，聊天机器人不仅优化了用户体验，还为患者提供了更便捷的在线医疗服务支持。
后端开发: 使用 Python 和 Django 开发了后端基础设施，确保智能聊天机器人能够与现有系统实现无缝集成。通过实施 RESTful API，实现了实时数据检索，并提升了用户交互体验，为平台提供了更高效、动态的响应能力。
前端开发:监督聊天机器人的前端设计，确保用户界面直观、简洁，并与整体用户体验策略保持一致。我与 UI/UX 设计师紧密合作，打造了一个引人入胜且易于访问的界面，满足了平台上多样化用户群的需求，提升了用户在互动过程中的满意度与参与感。
自然语言处理:采用先进的自然语言处理（NLP）技术来训练聊天机器人，使其能够准确理解用户的意图和上下文。通过实施 BERT 和 spaCy 等模型，显著提升了响应的准确性，并确保了用户在交互中的无缝体验，极大改善了智能对话的整体流畅性和智能化程度。
数据收集/提取: 负责收集和处理医疗部门的多种格式数据，包括 PDF、DOCX 和 TXT 文件。通过提取相关信息，构建了全面的知识库，极大提升了聊天机器人在处理用户查询时的准确性和响应速度，确保其能够提供及时且精确的医疗信息支持。


人工智能专家 & 后端开发
Maxis Communications
2019年1月 – 2020年10月
关键技术:CNN, GAN, Resnet, EfficientNet, VGG16, Faster R-CNN, Mask R-CNN, YOLO, SSD, CycleGAN, OpenCV, Scikit-learn, Numpy, Tensorflow, Pytorch, DjangoAI 模型开发/微调: 领导了基于先进 AI 模型的图像识别系统的设计与实现，使用了 ResNet、EfficientNet、SSD 和 YOLO 等技术。成功部署了 AI 驱动的面部识别和物体检测解决方案，显著提升了识别精度和系统性能，为多种应用场景提供了高效、可扩展的智能视觉解决方案。
手势识别项目:使用 卷积神经网络 (CNN) 和 OpenCV 开发了手势识别系统，并成功将该 AI 解决方案集成至 Maxis 的移动应用程序中。通过这一创新，用户能够通过手势控制设备，极大提升了应用的可访问性和用户交互性，提供了更加便捷的用户体验。
后端集成: 使用 Django 和 PHP 构建并维护后端服务，确保与 AI 模型和 API 的无缝集成。同时，利用 MySQL 优化后端流程，实现高效的数据存储与检索，成功将响应时间缩短了 5%。这一改进显著提升了系统的性能与用户体验，为快速、可靠的服务打下了坚实基础。
团队协助:与跨职能团队紧密合作，包括前端开发人员、数据科学家和产品经理，确保成功将 AI 功能集成到 Maxis 的应用程序中。在制定 AI 部署和后端开发标准方面，我发挥了领导作用，推动了团队协作与项目的顺利进行，为产品的成功交付奠定了基础。


数据抓取与分析专家
Shopee Malaysia
2016年6月-2018年8月
关键技术: Python, Selenium, Pandas, Numpy, Sentiment Analysis, NLTK, Scikit-learn, Machine learning
自动化工具开发：运用 Python 和 Selenium 设计并实施自动化网页抓取脚本，以系统化收集产品价格、客户评论和竞争对手信息，增强市场情报的深度与广度。
情绪分析：采用机器学习技术，利用 NLTK 和 scikit-learn 等库对客户评论进行深入的情绪分析，识别积极与消极情绪。这一分析为产品开发和营销策略提供了重要依据，客户满意度提升了 20%。
数据分析：借助 Pandas 和 NumPy 进行全面的数据处理与分析，揭示消费者行为趋势，从而推动营销活动的战略调整，成功提高转化率 10%。
跨职能协作：与营销和产品团队紧密合作，从抓取的数据中提取可行的见解，促进决策流程的优化和平台产品展示的改进。

团队情况